二九文学

手机浏览器扫描二维码访问

027 数据采集器的进化 自动化的起点（第2页）

他说，顺手点了点鼠标唤醒屏幕，进度条正跳向第七张。

她走近看：“这东西真能认字？”

“现在能认九成。”

他靠在椅背上，声音有点哑，“剩下的，得人来补。”

“哪九成？”

她问。

“印的。

手写的不行。”

她拉开椅子坐下，接过鼠标：“那我就补手写的。”

他没拦她。

她打开另一台终端，调出原始扫描图与识别结果对照界面，一边核对一边标注修正项。

两人没再说话，只有键盘敲击声和偶尔的提示音。

窗外天色彻底暗下来，远处高架桥上的车灯拉出细长的光带。

到夜里十一点，三十二张报纸数据完成迁移。

林悦揉了揉眼睛，指着其中一条记录：“这个‘涨幅’后面的手写数字，你看是‘5.3’还是‘6.3’？”

他凑过去看，放大图像。

纸面有折痕，墨迹晕开了一角。

他拖动对比工具，调出同一位置的前日报纸字体样本，比对笔锋走向。

“是5。”

他说，“收笔没有上挑。”

她点头，输入修正值，提交入库。

静了几秒，她忽然说：“你说机器是为了省时间，不是替人。

可你现在做的，是不是让机器慢慢学会替你做决定？”

他摇头：“它只是读字。

怎么用这些字，还是人在定。”

她没再问，合上笔记本，起身收拾饭盒。

走到门口时，她停下，从包里抽出一张便签纸，写下一行字，贴在显示器边框上：“别忘了睡觉。

系统重要，人更重要。”

门关上后，教室只剩他一个人。

他盯着那张便签看了两秒，转头看向服务器状态面板。

网络连接正常，硬盘读写频率稳定。

他打开另一个项目目录，双击进入“WebCrawler_Tet”

文件夹。

这是他昨天就开始写的网页抓取脚本。

基于VBScrpt，调用Wet&bp;AP模拟HTTP请求，目标是“新浪财经”

首页的早盘快讯栏。

他知道1998年的网站大多不用动态加载，内容直接嵌在HTML里，只要找到规律，就能批量提取。

他启动程序。

命令行窗口闪出几行返回码，接着输出一段HTML源码。